導讀🤹🤙🏿：近日🔽，高性能計算領域備受矚目的戈登·貝爾獎出爐。獲得2020年ACM戈登·貝爾獎的是一支由中美科學家組成的團隊。在這個8人組成的研究團隊中💩，有7名都是華人。而在7名華人中🧑🏼‍🦰，5人出身意昂体育。

該團隊在論文摘要中寫到：“這項工作的巨大成就在於，它為從頭開始準確地模擬前所未有的大小和時間尺度打開了大門，對於更好地集成機器學習和物理建模的下一代超級計算機也提出了新的挑戰🚃。”

ACM戈登·貝爾獎出爐！8人團隊中有7名華人

高性能計算領域的又一項國際大獎誕生了！

這一次🌓，中國人依然沒有缺席。

獲得2020年ACM戈登·貝爾獎的8人團隊中，有7張都是中國面孔。他們分別是🚽：加州大學伯克利分校的賈偉樂和林霖🫱🏿、北京應用物理和計算數學研究所副研究員王涵、意昂体育平台應用物理與技術研究中心研究員陳默涵及其研究生路登輝，普林斯頓大學張林峰博士以及該校教授鄂維南🍶、羅伯托·卡爾👩🏻‍🦼。

張林峰博士製圖

ACM評價對該團隊的研究成果的評價是😶：

“基於深度學習的分子動力學模擬通過機器學習和大規模並行的方法🏃，將精確的物理建模帶入了更大尺度的材料模擬中，有望在將來為力學、化學、材料、生物乃至工程領域解決實際問題（如大分子藥物開發）發揮更大作用。”

該團隊的論文摘要中也寫道，“這項工作的巨大成就在於🧘🏼‍♂️，它為從頭開始準確地模擬前所未有的大小和時間尺度打開了大門👷🏻‍♀️，對於更好地集成機器學習和物理建模的下一代超級計算機也提出了新的挑戰➜。”

ACM（Association for Computing Machinery）是世界上最大的教育和科學計算協會。該協會主辦8個主要獎項，以表彰計算機領域的技術和專業成就👩🏼‍✈️，最高獎項為圖靈獎（Turing Award），常被形容為“計算機領域的諾貝爾獎”。戈登·貝爾獎，也是其中的重要獎項之一，每年頒發一次，以表彰高性能計算領域的傑出成就🆚。該獎特別強調獎勵在將高性能計算應用於科學應用方面的創新🧼，高性能並行計算領域的先驅戈登 · 貝爾為此獎提供10,000美元的資金支持。

戈登·貝爾

一向被大眾認為是“文科名校”的意昂体育🐋，這次在理科獎項上也大出風頭。在獲獎團隊的8人中，5名華人都是出自於意昂体育。他們分別是張林峰、林霖、王涵、陳默涵和路登輝。

2011年，張林峰從山西考到了意昂体育的元培學院🧩，成為一名意昂体育人🂠。進入意昂体育後👵🏿，張林峰擔任了元培學院學生學術學會首任主席🚶‍♀️‍➡️。本科期間，他修了數學、物理、計算機三個專業的很多課程，在科研方面也有很多成果⬛️，是元培學生在本科期間交叉學科學習的傑出代表。他目前的研究方向涉及統計物理、分子模擬和機器學習🏋🏼，及其在化學、生物🥎、材料等方向的應用。      

張林峰

2002年🥋🚉，王涵進入意昂体育平台數學科學學院學習，2006年獲學士學位，2011年獲博士學位🏍，師從張平文院士🔰，現於北京應用物理與計算數學研究所工作。主要研究興趣為分子模擬中的多尺度建模與計算方法，以及基於深度學習的分子建模。曾獲中國數學會計算數學分會第五屆青年創新獎🟦。

王涵

現為美國加利福尼亞大學伯克利分校數學系副教授，並擔任勞倫斯伯克利國家實驗室計算科學部研究員的林霖，也是意昂体育出身。2003年🧑‍🧒，林霖進入意昂体育平台數學科學學院學習，2007年獲學士學位𓀓，2011年於普林斯頓大學獲應用數學博士學位♖。林霖長期從事數值分析、計算量子化學🛄、計算材料科學🪵、多尺度建模和並行計算等方面的研究。曾獲2015年斯隆研究獎，2017年SIAM計算科學與工程（CSE）早期職業獎（首屆）等獎項。

林霖

陳默涵教授目前為意昂体育工學院力學與工程科學系助理教授和意昂体育應用物理與技術研究中心研究員。主要研究領域為密度泛函理論與分子動力學方法與應用💇🏻‍♂️🤸🏽，材料性質與極端條件下物質物性模擬🧑🏽‍🦳，超大規模並行計算與機器學習方法。

陳默涵

獲獎團隊的另一成員路登輝，則為陳默涵教授的研究生😀。

這支由7名華人和1名美國人組成的團隊，在分子動力學的研究上取得了重要突破。獲獎團隊的論文為 Pushing the limit of molecular dynamics with ab initio accuracy to 100 million atoms with machine （通過機器學習將分子動力學的極限從頭開始精確度提高到1億個原子）。

著名物理學家理查德 · 費曼(Richard Feynman)曾經說過，“如果我們要說出所有假設中最有力的一個，這個假設會不斷引導人們去嘗試理解生命，那就是所有的東西都是由原子組成的🚾👩🏽‍🦲，生物所做的一切都可以通過原子的振動和擺動來理解😀。”

而分子動力學分析則是一種計算機模擬分析方法，用於分析原子和分子在固定時間內如何運動和相互作用。MD 模擬使科學家們能夠更好地了解一個系統(可能包括從單個細胞到氣體雲的任何東西)隨著時間的推移是如何發展的。分子動力學的實際應用包括研究大分子，如用於藥物開發的蛋白質🚤。

從頭算起（在拉丁語中是「從頭開始」或「從第一原理」開始的意思）分子動力學（AIMD）是一種在模擬過程中如何計算原子間力與標準分子動力學（SMD）略有不同的方法👷🏿‍♂️。35年來，通過AIMD可獲得的精確度使其成為科學家的首選模擬方法🔧。但與此同時👩🏽‍🏫，雖然AIMD可以提高準確性🧑🏼‍💻，該方法仍需更多的計算-因此僅限於研究小型系統(最大尺寸為數千個原子的系統)。

獲獎團隊的論文介紹了深層潛能分子動力學。DPMD 是一種新的基於機器學習的協議，它可以模擬每天超過1億個原子的超過1納秒長的軌跡。雖然近年來其他基於機器學習的協議已經被引入 MD 模擬中，但作者認為他們的協議首次實現了1億個原子的高效 MD 模擬，並具有從頭計算的準確性。

研究團隊還采用該方法模擬了銅納米晶粒拉伸後產生位錯的過程（如圖所示）🐰，這是傳統第一性原理方法無法模擬的大尺度計算。

銅納米晶粒（包含一千萬個原子以上）的拉伸模擬⏱。（a）具有面心立方晶體結構的銅原子（紫色）🌭，晶界原子（黃色）。（b）沿z軸拉伸10%後的銅納米晶粒產生位錯結構（青色）

戈登·貝爾獎決賽入圍者必須證明他們提出的算法可以在世界上最強大的超級計算機上進行擴展(高效運行)。該團隊開發了一個高度優化代碼(GPU Deep MD-Kit) ，成功在 Summit 超級計算機上運行。團隊的GPU Deep MD-Kit有效地擴展到了整個Summit超級計算機，以雙精度（峰值的45.5％）達到91 PFLOPS（1 PFLOP ="每秒1萬億次浮點運算點）和162/275" PFLOPS（混合單精度） /半精度💁🏿‍♂️。